申请/专利权人：腾讯科技(深圳)有限公司

申请日：2020-09-01

公开（公告）日：2024-07-05

公开（公告）号：CN112749696B

主分类号：G06V20/62

分类号：G06V20/62;G06V30/14;G06V20/40;H04N21/435;H04N21/439;H04N21/488;G10L15/26;G10L15/06

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2022.10.14#实质审查的生效;2021.05.04#公开

摘要：本申请实施例提供了一种文本检测方法及装置，涉及图像处理技术领域，该方法包括：先获取待处理图像帧，然后对待处理图像帧进行文本显示增强，获得检测帧，再确定检测帧中的文本显示区域，之后再对检测帧中的文本显示区域进行文本信息识别，获得目标文本信息。通过对待处理图像帧进行文本显示增强，使获得的检测帧突出了文本信息的显示，弱化了背景的显示，从而减少了背景以及清晰度对文本检测的影响，提高了文本检测的精度。其次，在进行文本检测之前，先确定文本显示区域，减小了文本检测的范围，通过对文本显示区域进行文本信息识别，获得目标文本信息，提高了文本检测的准确性和效率。

主权项：1.一种文本检测方法，其特征在于，包括：获取待处理图像帧；对所述待处理图像帧依次进行灰度处理、对比度增强处理以及锐化处理，获得检测帧；确定所述检测帧中的文本显示区域；提取所述文本显示区域中的文本信息的特征；将所述文本信息的特征与特征数据库中的候选文本的特征进行比对，获得目标文本信息，其中，所述文本信息的特征包括：统计特征和或结构特征，所述统计特征包括：所述文本显示区域内的黑白点数比；所述结构特征包括：字的笔划端点、交叉点的数量及位置；所述待处理图像帧为待处理视频中的视频帧，所述目标文本信息为所述视频帧中的字幕信息；根据所述待处理视频中每个视频帧在所述待处理视频中的时间戳，确定每个视频帧中的字幕信息的时间戳；根据每个视频帧中的字幕信息的时间戳，确定每个视频帧中的字幕信息在所述待处理视频中对应的时间区间；将每个时间区间内的多个视频帧中的字幕信息进行合并后，去除每个时间区间内的非文本信息以及重复的字幕信息，去除各个时间区间之间重复的字幕信息，获得各个时间区间内的目标字幕信息；针对各个时间区间内的目标字幕信息，删除文字密度不位于预设密度范围内的目标字幕信息；以及，删除文字数量不位于预设数量范围内的目标字幕信息；从所述待处理视频对应的音频数据库中，获取与每个时间区间内的目标字幕信息匹配的目标音频数据；采用各个时间区间内的目标字幕信息以及匹配的目标音频数据作为训练样本训练语音识别模型。

全文数据：

权利要求：

百度查询： 腾讯科技(深圳)有限公司 一种文本检测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD